本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法及系統(tǒng)。

背景技術(shù)：

傳統(tǒng)的天氣數(shù)據(jù)預(yù)測是通過求解大氣流體力學(xué)和熱力學(xué)方程組來計算天氣數(shù)據(jù)的，但是這種方法計算量極大，一般需要使用多臺大型計算機來完成，采用這樣的天氣預(yù)測方式成本較高，不適合小范圍地區(qū)例如某市的某區(qū)使用。另外，隨著地球大環(huán)境的變化，天氣影響因素多變且復(fù)雜，除了自然因素之外，還有人為因素，使得天氣變化幅度較大，仍舊采用原先的天氣預(yù)測方法，天氣預(yù)測數(shù)據(jù)準(zhǔn)確率降低，例如，采用風(fēng)能發(fā)電，將會影響自然空氣對流，對于小范圍地區(qū)的天氣影響較大，而原先的天氣預(yù)測方法未考慮此類新增的天氣變化因素，令天氣預(yù)測結(jié)果不準(zhǔn)確。

綜上，現(xiàn)有技術(shù)存在城市區(qū)縣地區(qū)的天氣預(yù)測成本高且數(shù)據(jù)準(zhǔn)確率低的技術(shù)問題。

技術(shù)實現(xiàn)要素：

本申請實施例提供一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中存在的城市區(qū)縣地區(qū)的天氣預(yù)測成本高且數(shù)據(jù)準(zhǔn)確率低的技術(shù)問題。

本申請實施例一方面提供了一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法，應(yīng)用于一區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，所述方法包括：接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)；基于所述歷史天氣數(shù)據(jù)，通過人工智能算法，獲得一天氣預(yù)測模型；獲得當(dāng)前天氣數(shù)據(jù)，基于所述當(dāng)前天氣數(shù)據(jù)和所述天氣預(yù)測模型，生成一天氣預(yù)測數(shù)據(jù)；獲得實際天氣數(shù)據(jù)；基于所述天氣預(yù)測數(shù)據(jù)和所述實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，修正所述天氣預(yù)測模型。

可選的，在所述接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)之前，所述方法還包括：獲取區(qū)縣地理數(shù)據(jù)；基于所述區(qū)縣地理數(shù)據(jù)，發(fā)送一歷史天氣數(shù)據(jù)請求信息至歷史天氣數(shù)據(jù)服務(wù)器。

可選的，在所述接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)之前，所述方法還包括：顯示一提示用戶手動載入?yún)^(qū)縣歷史天氣數(shù)據(jù)的窗口。

可選的，所述獲得當(dāng)前天氣數(shù)據(jù)，具體為：獲得當(dāng)前的風(fēng)速風(fēng)向、溫度、濕度、氣壓、光強和雨量。

可選的，在所述修正所述天氣預(yù)測模型之后，所述方法還包括：基于所述當(dāng)前天氣數(shù)據(jù)，更新所述天氣預(yù)測模型。

另一方面，本申請實施例還提供一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，所述系統(tǒng)包括：接收單元，用于接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)；獲得單元，用于基于所述歷史天氣數(shù)據(jù)，通過人工智能算法，獲得一天氣預(yù)測模型；采集單元，用于獲得當(dāng)前天氣數(shù)據(jù)；生成單元，用于基于所述當(dāng)前天氣數(shù)據(jù)和所述天氣預(yù)測模型，生成一天氣預(yù)測數(shù)據(jù)；所述采集單元，用于獲得實際天氣數(shù)據(jù)；修正單元，用于基于所述天氣預(yù)測數(shù)據(jù)和所述實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，修正所述天氣預(yù)測模型。

可選的，所述系統(tǒng)還包括：獲取單元，用于獲取區(qū)縣地理數(shù)據(jù)；發(fā)送單元，用于基于所述區(qū)縣地理數(shù)據(jù)，發(fā)送一歷史天氣數(shù)據(jù)請求信息至歷史天氣數(shù)據(jù)服務(wù)器。

可選的，所述系統(tǒng)還包括：顯示單元，用于顯示一提示用戶手動載入?yún)^(qū)縣歷史天氣數(shù)據(jù)的窗口。

可選的，所述采集單元具體包括：風(fēng)速風(fēng)向傳感模塊、溫度傳感模塊、濕度傳感模塊、光強傳感模塊和雨量傳感模塊。

可選的，所述系統(tǒng)還包括：更新單元，用于基于所述當(dāng)前天氣數(shù)據(jù)，更新所述天氣預(yù)測模型。

本申請實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

首先，根據(jù)當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)，獲得天氣預(yù)測模型，作為區(qū)縣未來天氣預(yù)測的基本使用工具，然后，在天氣預(yù)測模型中輸入實時獲取的當(dāng)前天氣數(shù)據(jù)，得出用于表征未來天氣情況的天氣預(yù)測數(shù)據(jù)，接下來，經(jīng)過相應(yīng)一段時間之后，實時獲取的實際天氣數(shù)據(jù)為之前天氣預(yù)測數(shù)據(jù)對應(yīng)的真實天氣，通過分析處理天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，用作修正天氣預(yù)測模型的依據(jù)，能夠在地球大環(huán)境變化的條件下，通過差異天氣數(shù)據(jù)反推出新增天氣影響因素及其變化規(guī)律，能夠大幅度提高天氣數(shù)據(jù)預(yù)測的準(zhǔn)確性，解決了現(xiàn)有技術(shù)中存在的區(qū)縣地區(qū)天氣預(yù)測數(shù)據(jù)準(zhǔn)確率低的技術(shù)問題，為區(qū)縣范圍內(nèi)生產(chǎn)生活提供真實有效的未來天氣數(shù)據(jù)，帶來極大的便利。

另外，根據(jù)歷史天氣數(shù)據(jù)和差異天氣數(shù)據(jù)，采用人工智能算法中的集成算法獲得天氣預(yù)測模型，無需使用多臺大型計算機，解決了現(xiàn)有技術(shù)中存在的區(qū)縣地區(qū)天氣預(yù)測成本高的技術(shù)問題，在低額成本的條件下，獲取準(zhǔn)確的區(qū)縣地區(qū)天氣數(shù)據(jù)。

進一步，獲取歷史天氣數(shù)據(jù)信息至少有兩種不同的方式，包括系統(tǒng)主動獲取和用戶主動導(dǎo)入，能夠根據(jù)實際使用需求提供不同的選擇方式，提高用戶體驗。

再進一步，獲取的天氣數(shù)據(jù)包括風(fēng)速風(fēng)向、溫度、濕度、氣壓、光強和雨量，通過增加天氣參數(shù)以全方面考慮天氣影響因素，進一步提高天氣預(yù)測準(zhǔn)確性。

又進一步，在修正天氣預(yù)測模型之后，還包括：基于當(dāng)前天氣數(shù)據(jù)，更新天氣預(yù)測模型，因為天氣預(yù)測模型是通過人工智能算法通過歷史天氣數(shù)據(jù)生成的，越靠近當(dāng)前時間的歷史天氣數(shù)據(jù)越具有參考價值，更能反映未來天氣變化情況，能夠進一步提升天氣預(yù)測學(xué)習(xí)能力，進一步提高天氣預(yù)測結(jié)果可靠性。

附圖說明

圖1為本申請一實施例中區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法的流程圖；

圖2為本申請一實施例中區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)的架構(gòu)圖。

具體實施方式

本申請實施例提供一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中存在的城市區(qū)縣地區(qū)的天氣預(yù)測成本高且數(shù)據(jù)準(zhǔn)確率低的技術(shù)問題。

本發(fā)明一實施例的技術(shù)方案為解決上述的問題，總體思路如下：

接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)；基于歷史天氣數(shù)據(jù)，通過人工智能算法，獲得一天氣預(yù)測模型；獲得當(dāng)前天氣數(shù)據(jù)，基于當(dāng)前天氣數(shù)據(jù)和天氣預(yù)測模型，生成一天氣預(yù)測數(shù)據(jù)；獲得實際天氣數(shù)據(jù)；基于天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，修正天氣預(yù)測模型。

首先，根據(jù)當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)，獲得天氣預(yù)測模型，作為區(qū)縣未來天氣預(yù)測的基本使用工具，然后，在天氣預(yù)測模型中輸入實時獲取的當(dāng)前天氣數(shù)據(jù)，得出用于表征未來天氣情況的天氣預(yù)測數(shù)據(jù)，接下來，經(jīng)過相應(yīng)一段時間之后，實時獲取的實際天氣數(shù)據(jù)為之前天氣預(yù)測數(shù)據(jù)對應(yīng)的真實天氣，通過分析處理天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，用作修正天氣預(yù)測模型的依據(jù)，能夠在地球大環(huán)境變化的條件下，通過差異天氣數(shù)據(jù)反推出新增天氣影響因素及其變化規(guī)律，能夠大幅度提高天氣數(shù)據(jù)預(yù)測的準(zhǔn)確性，解決了現(xiàn)有技術(shù)中存在的區(qū)縣地區(qū)天氣預(yù)測數(shù)據(jù)準(zhǔn)確率低的技術(shù)問題，為區(qū)縣范圍內(nèi)生產(chǎn)生活提供真實有效的未來天氣數(shù)據(jù)，帶來極大的便利。

另外，根據(jù)歷史天氣數(shù)據(jù)和差異天氣數(shù)據(jù)，采用人工智能算法中的集成算法獲得天氣預(yù)測模型，無需使用多臺大型計算機，解決了現(xiàn)有技術(shù)中存在的區(qū)縣地區(qū)天氣預(yù)測成本高的技術(shù)問題，在低額成本的條件下，獲取準(zhǔn)確的區(qū)縣地區(qū)天氣數(shù)據(jù)。

為了更好地理解上述技術(shù)方案，下面將結(jié)合說明書附圖以及具體的實施方式對上述技術(shù)方案進行詳細(xì)說明。

本實施例提供一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法，應(yīng)用于一區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)用來進行未來天氣預(yù)測以及修正區(qū)縣天氣預(yù)測算法，區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)可以為一體式天氣預(yù)測站，系統(tǒng)所有組成單元均設(shè)置在某個區(qū)或者某個縣的總控制中心，也可以為分立式的天氣預(yù)測系統(tǒng)，獲取當(dāng)前天氣數(shù)據(jù)的傳感器分散地設(shè)置于不同街道、不同景區(qū)、不同建筑、不同商業(yè)廣場，區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)的其他組成單元則位于總控制中心。

其中，一體式天氣預(yù)測站適用于單位地理面積內(nèi)天氣變化幅度較小的區(qū)縣，而分立式的天氣預(yù)測系統(tǒng)適用于單位地理面積內(nèi)天氣差異性大的區(qū)縣。

下面請參考圖1，對本發(fā)明實施例中區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法進行詳細(xì)描述。

步驟101：接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)；

步驟102：基于歷史天氣數(shù)據(jù)，通過人工智能算法，獲得一天氣預(yù)測模型；

步驟103：獲得當(dāng)前天氣數(shù)據(jù)，基于當(dāng)前天氣數(shù)據(jù)和天氣預(yù)測模型，生成一天氣預(yù)測數(shù)據(jù)；

步驟104：獲得實際天氣數(shù)據(jù)；

步驟105：基于天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，修正天氣預(yù)測模型。

因為分立式天氣預(yù)測系統(tǒng)比一體式天氣預(yù)測站的處理過程更復(fù)雜，處理數(shù)據(jù)量更大，在對分立式天氣預(yù)測系統(tǒng)的天氣預(yù)測的自學(xué)習(xí)修正流程描述清楚的前提下，可以直接推導(dǎo)一體式天氣預(yù)測站的處理流程。所以，下面將以分立式天氣預(yù)測系統(tǒng)為例進行詳細(xì)說明。

在中國的某個縣份，例如北京市海淀區(qū)，安裝區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)之后，系統(tǒng)開始執(zhí)行步驟101：接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)。

步驟101在具體實施過程中，例如：總控制中心的區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)中的接收單元，例如互聯(lián)網(wǎng)絡(luò)傳輸單元、gprs、wifi、3g、4g、5g等通信模塊，接收到海淀區(qū)至少兩年的歷史天氣數(shù)據(jù)，該歷史天氣數(shù)據(jù)記載海淀區(qū)過去兩年內(nèi)每隔四個小時的具體天氣數(shù)據(jù)。

當(dāng)然，在本申請另一實施例中，可以根據(jù)不同的天氣預(yù)測精度和準(zhǔn)確度要求，設(shè)置不同時間長度的歷史天氣數(shù)據(jù)，例如：五年、一年、半年或三個月，設(shè)置不同時間間隔的具體天氣數(shù)據(jù)，例如：每隔兩小時、每隔六小時或每隔一小時，本申請不作限制。

步驟102：基于歷史天氣數(shù)據(jù)，通過人工智能算法，獲得一天氣預(yù)測模型。

繼續(xù)沿用上一實施例，步驟102在具體實施過程中，例如：區(qū)縣天氣預(yù)測系統(tǒng)接收到海淀區(qū)過去兩年內(nèi)每隔四個小時的具體天氣數(shù)據(jù)之后，基于人工智能算法例如自適應(yīng)邏輯網(wǎng)絡(luò)aln，通過天氣訓(xùn)練模塊生成天氣預(yù)測模型。

當(dāng)然，在本申請另一實施例中，也可以采用其他人工算法來生成天氣預(yù)測模型，例如boosting、bootstrappedaggregation(bagging)、adaboost、堆疊泛化(stackedgeneralization，blending)、梯度推進機(gradientboostingmachine,gbm)、隨機森林(randomforest)等，本申請不作限制。

步驟103：獲得當(dāng)前天氣數(shù)據(jù)，基于當(dāng)前天氣數(shù)據(jù)和天氣預(yù)測模型，生成一天氣預(yù)測數(shù)據(jù)。

繼續(xù)沿用上一實施例，步驟103在具體實施過程中，例如：區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)中分布在不同街道上的天氣傳感器實時獲取相應(yīng)街道上的天氣數(shù)據(jù)，將不同街道對應(yīng)的不同天氣數(shù)據(jù)作為輸入條件，經(jīng)過天氣預(yù)測模型的運算處理，輸出不同街道對應(yīng)的四小時后的天氣預(yù)測數(shù)據(jù)。

當(dāng)然，在本申請另一實施例中，天氣預(yù)測數(shù)據(jù)可以為六小時后、一天后、三天后，一周后的天氣預(yù)測數(shù)據(jù)，本申請不作限制。

步驟104：獲得實際天氣數(shù)據(jù)。

繼續(xù)沿用上一實施例，步驟104在具體實施過程中，例如：經(jīng)過步驟103，區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)生成四小時后的天氣預(yù)測數(shù)據(jù)，在四個小時之后，天氣傳感器所獲得的當(dāng)前天氣數(shù)據(jù)，即實際天氣數(shù)據(jù)。

步驟105：基于天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，修正天氣預(yù)測模型。

區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)判斷天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)是否匹配，并根據(jù)匹配程度生成天氣預(yù)測調(diào)整指令，當(dāng)天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)接近時，例如匹配程度值高達95％，執(zhí)行天氣預(yù)測微調(diào)指令，對天氣預(yù)測模型進行微調(diào)；而當(dāng)天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)差異較大時，例如匹配程度值只有50％，執(zhí)行天氣預(yù)測調(diào)整指令，對天氣預(yù)測模型進行調(diào)整。

其中，天氣預(yù)測模型的修正方式與天氣預(yù)測模型的生成算法相關(guān)，下面將以自適應(yīng)邏輯網(wǎng)絡(luò)aln為例進行詳細(xì)說明，類似地，本領(lǐng)域技術(shù)人員根據(jù)此算法的修正方式可以推導(dǎo)出其他算法的修正方式，本申請不一一列出。

自適應(yīng)邏輯網(wǎng)絡(luò)aln可包含有任意多個獨立的輸入變量以及變量間任意多個線性邏輯關(guān)系式，線性方程式形式如下：

自適應(yīng)邏輯網(wǎng)絡(luò)aln通過改變線性方程組的權(quán)重wij來產(chǎn)生期望的結(jié)果。為了模型的一般性，規(guī)定x0表示方程的常數(shù)項。在神經(jīng)網(wǎng)絡(luò)模型中，x是輸入，y是網(wǎng)絡(luò)的輸出，對x0的約束信息可以被理解為神經(jīng)元的偏置量。

令lj＝0，式(1)定義了一條直線(n＝1)、一個平面(n＝2)或一個超平面(n＞2)，因此可以得到以下方程組表達式：

而天氣預(yù)測模型的修正方式通過在式(2)中增加hij修正因子用于調(diào)節(jié)線性方程組的權(quán)重wij令天氣預(yù)測數(shù)據(jù)與實際天氣數(shù)據(jù)匹配，具體的方程組表達式為：

式(3)中hij與差異天氣數(shù)據(jù)相關(guān)，當(dāng)差異天氣數(shù)據(jù)越大，說明wij偏離期望值較大，hij輸出值越大，hij反向調(diào)節(jié)wij，令wij接近期望值，而差異天氣數(shù)據(jù)越小，說明wij偏離量小，hij輸出值也越小，hij微調(diào)wij，令wij無限接近期望值。

為了根據(jù)實際使用需求提供不同的選擇方式，獲取歷史天氣數(shù)據(jù)的方法至少包括兩種，一種為系統(tǒng)自動獲取，另一種為用戶主動導(dǎo)入。

系統(tǒng)自動獲取歷史天氣數(shù)據(jù)的方法具體包括步驟：獲取區(qū)縣地理數(shù)據(jù)；基于區(qū)縣地理數(shù)據(jù)，發(fā)送一歷史天氣數(shù)據(jù)請求信息至歷史天氣數(shù)據(jù)服務(wù)器。

在具體實施過程中，例如：區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)通過gps定位裝置獲取當(dāng)前的地理位置為北京市海淀區(qū)，區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)主動發(fā)送一用于獲取北京市海淀區(qū)兩年的歷史天氣數(shù)據(jù)的請求信息至歷史天氣數(shù)據(jù)服務(wù)器，歷史天氣數(shù)據(jù)服務(wù)器將云存儲器中北京市海淀區(qū)的歷史天氣數(shù)據(jù)發(fā)回至區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)。

用戶主動導(dǎo)入歷史天氣數(shù)據(jù)的方法具體包括步驟：顯示一提示用戶手動載入?yún)^(qū)縣歷史天氣數(shù)據(jù)的窗口。

在具體實施過程中，例如：當(dāng)天氣預(yù)測系統(tǒng)安裝成功之后，在總控制中心的顯示屏上顯示一提示用戶手動載入?yún)^(qū)縣歷史天氣數(shù)據(jù)的窗口，窗口中提示用戶當(dāng)前操作和下一步操作信息，方便用戶根據(jù)提示信息進行載入?yún)^(qū)縣歷史天氣數(shù)據(jù)的操作，將用戶存儲設(shè)備例如移動硬盤或u盤內(nèi)的歷史天氣數(shù)據(jù)導(dǎo)入，當(dāng)然，用戶也可以將云存儲設(shè)備中的歷史天氣數(shù)據(jù)導(dǎo)入至區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，本申請不作限制。

為了能夠全方面考慮天氣影響因素，提高天氣預(yù)測準(zhǔn)確性，步驟103中的獲得當(dāng)前天氣數(shù)據(jù)具體包括：獲得當(dāng)前的風(fēng)速風(fēng)向、溫度、濕度、氣壓、光強和雨量。

為了能夠進一步提升天氣預(yù)測深度學(xué)習(xí)能力，進一步提高天氣預(yù)測結(jié)果可靠性，在步驟105之后還包括步驟：基于當(dāng)前天氣數(shù)據(jù)，更新天氣預(yù)測模型。

在具體實施過程中，例如：與步驟102類似地，區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)將當(dāng)前天氣數(shù)據(jù)作為輸入量，經(jīng)過人工智能算法分析處理之后，對天氣預(yù)測模型進行升級更新。

本發(fā)明另一實施例提供一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，用于實現(xiàn)圖1及其具體實施例中區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法，請參考圖2，圖2為本申請實施例區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)的架構(gòu)圖。

如圖2所示，本實施例提供的一種區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，系統(tǒng)包括：接收單元201，用于接收當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)；獲得單元202，用于基于歷史天氣數(shù)據(jù)，通過人工智能算法，獲得一天氣預(yù)測模型；采集單元204，用于獲得當(dāng)前天氣數(shù)據(jù)；生成單元203，用于基于所述當(dāng)前天氣數(shù)據(jù)和所述天氣預(yù)測模型，生成一天氣預(yù)測數(shù)據(jù)；采集單元204，用于獲得實際天氣數(shù)據(jù)；修正單元205，用于基于天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，修正天氣預(yù)測模型。

其中，系統(tǒng)還包括：獲取單元，用于獲取區(qū)縣地理數(shù)據(jù)；發(fā)送單元，用于基于區(qū)縣地理數(shù)據(jù)，發(fā)送一歷史天氣數(shù)據(jù)請求信息至歷史天氣數(shù)據(jù)服務(wù)器。

其中，系統(tǒng)還包括：顯示單元，用于顯示一提示用戶手動載入?yún)^(qū)縣歷史天氣數(shù)據(jù)的窗口。

其中，采集單元203具體包括：風(fēng)速風(fēng)向傳感模塊、溫度傳感模塊、濕度傳感模塊、光強傳感模塊和雨量傳感模塊。

其中，系統(tǒng)還包括更新單元，用于基于當(dāng)前天氣數(shù)據(jù)，更新天氣預(yù)測模型。

前述實施例中的方法中的各種變化方式和具體實例同樣適用于本實施例的區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)，通過前述對區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正方法的詳細(xì)描述，本領(lǐng)域技術(shù)人員可以清楚地知道本實施例中區(qū)縣天氣預(yù)測的自學(xué)習(xí)修正系統(tǒng)的實施方法，所以為了說明書的簡潔，在此不再詳述。

本申請實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

首先，根據(jù)當(dāng)前區(qū)縣所對應(yīng)的歷史天氣數(shù)據(jù)，獲得天氣預(yù)測模型，作為區(qū)縣未來天氣預(yù)測的基本使用工具，然后，在天氣預(yù)測模型中輸入實時獲取的當(dāng)前天氣數(shù)據(jù)，得出用于表征未來天氣情況的天氣預(yù)測數(shù)據(jù)，接下來，經(jīng)過相應(yīng)一段時間之后，實時獲取的實際天氣數(shù)據(jù)為之前天氣預(yù)測數(shù)據(jù)對應(yīng)的真實天氣，通過分析處理天氣預(yù)測數(shù)據(jù)和實際天氣數(shù)據(jù)之間的差異天氣數(shù)據(jù)，用作修正天氣預(yù)測模型的依據(jù)，能夠在地球大環(huán)境變化的條件下，通過差異天氣數(shù)據(jù)反推出新增天氣影響因素及其變化規(guī)律，能夠大幅度提高天氣數(shù)據(jù)預(yù)測的準(zhǔn)確性，解決了現(xiàn)有技術(shù)中存在的區(qū)縣地區(qū)天氣預(yù)測數(shù)據(jù)準(zhǔn)確率低的技術(shù)問題，為區(qū)縣范圍內(nèi)生產(chǎn)生活提供真實有效的未來天氣數(shù)據(jù)，帶來極大的便利。

另外，根據(jù)歷史天氣數(shù)據(jù)和差異天氣數(shù)據(jù)，采用人工智能算法中的集成算法獲得天氣預(yù)測模型，無需使用多臺大型計算機，解決了現(xiàn)有技術(shù)中存在的區(qū)縣地區(qū)天氣預(yù)測成本高的技術(shù)問題，在低額成本的條件下，獲取準(zhǔn)確的區(qū)縣地區(qū)天氣數(shù)據(jù)。

進一步，獲取歷史天氣數(shù)據(jù)信息至少有兩種不同的方式，包括系統(tǒng)主動獲取和用戶主動導(dǎo)入，能夠根據(jù)實際使用需求提供不同的選擇方式，提高用戶體驗。

再進一步，獲取的天氣數(shù)據(jù)包括風(fēng)速風(fēng)向、溫度、濕度、氣壓、光強和雨量，通過增加天氣參數(shù)以全方面考慮天氣影響因素，進一步提高天氣預(yù)測準(zhǔn)確性。

又進一步，在修正天氣預(yù)測模型之后，還包括：基于當(dāng)前天氣數(shù)據(jù)，更新天氣預(yù)測模型，因為天氣預(yù)測模型是通過人工智能算法通過歷史天氣數(shù)據(jù)生成的，越靠近當(dāng)前時間的歷史天氣數(shù)據(jù)越具有參考價值，更能反映未來天氣變化情況，能夠進一步提升天氣預(yù)測學(xué)習(xí)能力，進一步提高天氣預(yù)測結(jié)果可靠性。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器和光學(xué)存儲器等)上實施的計算機程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。